SECTIONS
EDITIONS
NETWORK
萬安百科算力领域的百科全书

萬安百科 › 流程词条 › ECC 错误怎么看

ECC 纠错概念示意配图(AI 生成·非官方产品图)
示意配图(AI 生成·非官方产品图)· 萬安百科

ECC 错误怎么看

volatile/aggregated · 分级判读 · remapped rows · 流程词条

概述OVERVIEW

ECC(Error Correcting Code)是数据中心卡的显存纠错机制——二手卡验货里,ECC 计数是判断 "这张卡跑了多狠、显存有没有伤"的核心窗口。本词条讲清三件事:两种计数的区别、错误的分级判读、 remapped rows 重映射机制——都来自 nvidia-smi 的标准输出(通用第三方视角)。

各代卡 ECC 支持对照GENERATIONS

维度Tesla P40V100A100H100
ECC 显存✓(GDDR5 ECC)✓(HBM2 ECC)✓(HBM2e ECC)✓(HBM3 ECC)
remapped rows——✓(A000 系起)✓
ECC 计数volatile/aggregatedvolatile/aggregatedvolatile/aggregatedvolatile/aggregated
消费卡对照GeForce 消费卡大多不带 ECC 或不可查询(3090/4090/5090 显存纠错能力有限·官方口径)——验消费卡以压测为主

口径:ECC 支持=各代官方规格(2026-11 核验)。remapped rows 为 A100 起新增机制——查老卡无此字段属正常。

查验流程CHECKLIST

步骤操作解读口径
① 拉取计数nvidia-smi -q | 查找 ECC Mode 与 Memory 部分的 volatile/aggregated 计数确认 ECC Mode=Enabled(Disabled 状态下计数不累积)
② 分级判读看 single-bit(可纠正)与 double-bit(不可纠正)分别计数single-bit 少量=正常;double-bit 出现=硬伤信号(建议规避或深度复测)
③ remapped rowsH100/A100:查看 remapped 行数(remapped/failing/bank retention)remapped>0=出现过可纠正显存错误已被硬件兜底;大量增长=显存退化信号
④ 交叉验证结合 显存压测 复核压测报错复现=实锤;压测干净=历史计数偏高但当前可用(口径:分级判读)

口径:nvidia-smi 字段名与分级框架=NVIDIA 官方文档(2026-11 核验)——字段随驱动版本更新,以当版输出为准。

常见误区RISKS

  • ECC Disabled 状态验卡:ECC 关闭时不计数——先开启 ECC 再压测,否则验了个寂寞。
  • 把 volatile 当历史:重启清零——历史强度看 aggregated。
  • single-bit 恐慌:少量 single-bit 是运行环境正常现象——持续增长或 double-bit 才是信号。
  • 只验一次:间歇性 double-bit 需要长时压测复现——单次干净≠终身干净,结合使用强度综合判断。

查验边界LIMITS

  • 字段随驱动变:nvidia-smi 输出结构随驱动演进——以当版驱动文档为准。
  • 消费卡不可查:GeForce 系 ECC 查询能力有限——验消费卡以 显存压测 为主。
  • 平台服务口径:平台验货流程与本查验相互独立——本词条是通用核验框架。

常见问题FAQ

ECC 是什么?
Error Correcting Code——显存纠错机制:单 bit 翻转可硬件自动纠正(single-bit correctable),多 bit 错误不可纠正(double-bit uncorrectable)会中断应用——数据中心卡标配,消费卡大多不支持(官方口径)。
volatile 和 aggregated 计数有什么区别?
nvidia-smi -q 口径:volatile=本次上电以来的计数(重启清零);aggregated=跨重启的历史累计(持久保存在卡上)——验二手卡看 aggregated(反映全生命周期使用强度),验本次会话看 volatile。
发现 ECC 错误怎么办?
分三级看:①volatile single-bit 少量=正常现象(宇宙射线等环境因素)②aggregated 持续增长=使用强度大的信号,结合压测复核 ③double-bit uncorrectable 出现=显存硬伤信号,建议规避或深度压测(口径:分级判读,单点不定性)。

参考资料REFERENCES

  • NVIDIA:nvidia-smi 文档(ECC 字段口径 2026-11 核验) · 原文
  • NVIDIA:A100 remapped rows 机制文档(架构口径) · 原文
本库
编辑政策关于本库(利益声明)勘误通道
编辑宪法摘要
每条断言带出处缺点必写 · 勘误公开留痕不接受付费词条词条内零导流与销售元素行情数据仅作数据模块挂载
萬安家族
萬安云萬安算交所萬安行情萬安资讯
行情盘点:萬安算交所 · © 2026 萬安百科 AIXX Pedia · 萬安出品